一种应用于AI医疗影像诊断算法调度方法、系统、终端及存储介质与流程

本申请涉及医学影像诊断技术领域，尤其是涉及一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质。

背景技术：

基于深度学习的医学影像诊断方法逐步成熟，越来越多的产品投入到医院的临床试验中，比如眼底病灶的检查、肺结节筛查、肋骨骨折检测、纵隔病灶筛查、乳腺病灶筛查等等，一般每个算法都是针对某一个病种进行设计，比如肺结节的算法只能在肺部的ct上检测肺结节病灶，对于不同源的数据，比如x光片的数据、超声的数据，或不同部位的检测，比如肋骨的检测、纵隔区域的病灶筛查、眼底病灶检测等就需要另外对应的算法，因此在医院就产生了这样的场景：在同一台ai服务器上，需要部署多种算法。

因此，目前亟需一种应用于ai医疗影像诊断算法调度方法，能够在有限的gpu、内存等硬件资源的情况下，快速的处理来自各种设备源的医学影像数据，防止任务堆积，尽快给医生返回诊断结果。

技术实现要素：

针对现有技术的上述不足，本申请提供一种应用于ai医疗影像诊断算法调度方法、系统、终端及存储介质，能够实现多种诊断算法的统一调度和处理。

第一方面，为解决上述技术问题，本申请提供一种应用于ai医疗影像诊断算法调度方法，包括：

获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录；

根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程；

获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理。

可选的，所述获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录，包括：

获取pacs推送的医疗影像数据；

并根据数据类型在数据库任务进程列表中创建不同的任务记录；

从数据库的任务进程列表中查找任务状态为待处理的任务，将所述待处理任务根据其病种或等级，加入对应的待处理任务队列中；

将加入运行任务队列的任务状态置为处理中；

判断运行任务队列中的任务是否超时，是则强制退出；

将加入已处理任务队列中的任务状态置为已处理。

可选的，所述根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程，包括：

根据数据库配置项中的任务类型和紧急情况配置具体病种的任务进程顺序，创建任务进程列表；

循环遍历任务进程列表，获取已经启动的任务进程数；

判断已启动的任务进程数是否小于最大进程数，若是则获取优先级最高的任务类型；

判断当前任务类型是否有待处理任务，若当前任务进程列表中有待处理任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息并启动具体的算法处理进程。

可选的，所述根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程，还包括：

算法处理进程启动后，更新任务进程列表，调整非急诊任务类型在任务进程列表中的顺序。

可选的，所述获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理，包括：

获取任务进程列表中的待处理任务；

将所述待处理任务加入到运行任务队列中；

根据待处理任务的类型运行具体的诊断算法；

将算法处理后的任务加入已处理任务队列中。

可选的，所述获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理，还包括：

判断当前算法处理进程是否配置了绑定gpu；

若是，则不退出且时刻处于等待任务的状态；若否，则循环遍历任务进程列表的待处理任务，获取当前类别的下一个任务的优先级；

若无更高优先级的任务等待处理则退出；若有更高优先级的任务等待处理：

若更高优先级任务的算法处理进程未启动且更高优先级任务数大于其已启动的算法进程数，则立即退出；

若更高优先级任务的算法处理进程已启动或更高优先级任务的算法处理进程未启动但更高优先级任务数小于等于其已启动的算法进程数，则继续判断已处理任务数是否达到配置的最大值；

若是，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出；若否，则继续判断当前任务队列为是否为空；

若是，则立即退出；若否，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出。

第二方面，本发明还提供一种应用于ai医疗影像诊断算法调度系统，包括：

任务调度单元，配置用于获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录；

任务监控单元，配置用于根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程；

算法处理单元，配置用于获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理。

可选的，所述任务调度单元具体用于包括：

获取pacs推送的医疗影像数据；

并根据数据类型在数据库任务进程列表中创建不同的任务记录；

从数据库的任务进程列表中查找任务状态为待处理的任务，将所述待处理任务根据其病种或等级，加入对应的待处理任务队列中；

将加入运行任务队列的任务状态置为处理中；

判断运行任务队列中的任务是否超时，是则强制退出；

将加入已处理任务队列中的任务状态置为已处理。

可选的，所述任务监控单元具体用于：

根据数据库配置项中的任务类型和紧急情况配置具体病种的任务进程顺序，创建任务进程列表；

循环遍历任务进程列表，获取已经启动的任务进程数；

判断已启动的任务进程数是否小于最大进程数，若是则获取优先级最高的任务类型；

判断当前任务类型是否有待处理任务，若当前任务进程列表中有待处理任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息并启动具体的算法处理进程。

可选的，所述任务监控单元还具体用于：

算法处理进程启动后，更新任务进程列表，调整非急诊任务类型在任务进程列表中的顺序。

可选的，所述算法处理单元具体用于：

获取任务进程列表中的待处理任务；

将所述待处理任务加入到运行任务队列中；

根据待处理任务的类型运行具体的诊断算法；

将算法处理后的任务加入已处理任务队列中。

可选的，所述算法处理单元还具体用于：

判断当前算法处理进程是否配置了绑定gpu；

若是，则不退出且时刻处于等待任务的状态；若否，则循环遍历任务进程列表的待处理任务，获取当前类别的下一个任务的优先级；

若无更高优先级的任务等待处理则退出；若有更高优先级的任务等待处理：

若更高优先级任务的算法处理进程未启动且更高优先级任务数大于其已启动的算法进程数，则立即退出；

若更高优先级任务的算法处理进程已启动或更高优先级任务的算法处理进程未启动但更高优先级任务数小于等于其已启动的算法进程数，则继续判断已处理任务数是否达到配置的最大值；

若是，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出；若否，则继续判断当前任务队列为是否为空；

若是，则立即退出；若否，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出。

第三方面，提供一种终端，包括：

处理器、存储器，其中，

该存储器用于存储计算机程序，

该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。

第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。

与现有技术相比，本申请具有如下有益效果：

本申请能够在有限的gpu、内存等硬件资源的情况下，快速的处理来自各种设备源的医学影像数据，且能够根据任务的优先级进行处理，防止任务堆积，提高了医疗影像的诊断效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本申请实施例所提供的一种应用于ai医疗影像诊断算法调度方法的示意性流程图。

图2是本申请实施例所提供的另一种应用于ai医疗影像诊断算法调度方法的流程图。

图3是本申请实施例所提供的一种应用于ai医疗影像诊断算法调度系统的示意性框图。

图4为本申请实施例所提供的一种应用于ai医疗影像诊断算法调度终端的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参考图1，图1为本申请实施例所提供的一种应用于ai医疗影像诊断算法调度方法的流程图，该方法100包括：

s101：获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录；

s102：根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程；

s103：获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理。

基于上述实施例，作为优选的实施例，s101获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录，包括：

获取pacs推送的医疗影像数据；

并根据数据类型在数据库任务进程列表中创建不同的任务记录；

从数据库的任务进程列表中查找任务状态为待处理的任务，将所述待处理任务根据其病种或等级，加入对应的待处理任务队列中；

将加入运行任务队列的任务状态置为处理中；

判断运行任务队列中的任务是否超时，是则强制退出；

将加入已处理任务队列中的任务状态置为已处理。

基于上述实施例，作为优选的实施例，s102根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程，包括：

根据数据库配置项中的任务类型和紧急情况配置具体病种的任务进程顺序，创建任务进程列表；

循环遍历任务进程列表，获取已经启动的任务进程数；

判断已启动的任务进程数是否小于最大进程数，若是则获取优先级最高的任务类型；

判断当前任务类型是否有待处理任务，若当前任务进程列表中有待处理任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息并启动具体的算法处理进程。

基于上述实施例，作为优选的实施例，s102根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程，还包括：

算法处理进程启动后，更新任务进程列表，调整非急诊任务类型在任务进程列表中的顺序。

任务调度进程获取医疗影像数据并根据数据的类型在数据库任务进程列表中创建不同的任务记录；

监控进程根据数据库中的任务类型、数量、优先级信息，启动对应类型和数量的算法处理进程；

算法处理进程启动后加载具体的模型参数，从数据库中获取任务进行处理。

基于上述实施例，作为优选的实施例，s103获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理，包括：

获取任务进程列表中的待处理任务；

将所述待处理任务加入到运行任务队列中；

根据待处理任务的类型运行具体的诊断算法；

将算法处理后的任务加入已处理任务队列中。

基于上述实施例，作为优选的实施例，s103获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理，还包括：

判断当前算法处理进程是否配置了绑定gpu；

若是，则不退出且时刻处于等待任务的状态；若否，则循环遍历任务进程列表的待处理任务，获取当前类别的下一个任务的优先级；

若无更高优先级的任务等待处理则退出；若有更高优先级的任务等待处理：

若更高优先级任务的算法处理进程未启动且更高优先级任务数大于其已启动的算法进程数，则立即退出；

若更高优先级任务的算法处理进程已启动或更高优先级任务的算法处理进程未启动但更高优先级任务数小于等于其已启动的算法进程数，则继续判断已处理任务数是否达到配置的最大值；

若是，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出；若否，则继续判断当前任务队列为是否为空；

若是，则立即退出；若否，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出。

具体的，如图2所示，图2提供一种应用于ai医疗影像诊断算法调度方法的流程图，主要包括3部分：任务调度进程、监控进程及算法处理进程。

在处理进程中，task_queue表示待处理的任务队列，running_queue表示正在处理的任务队列，done_queue表示已处理(成功/失败)的任务队列。5表示待处理的任务状态，7表示处理中的任务状态，10表示处理成功的任务状态，-3表示处理失败的任务状态。

1、任务调度进程：

任务调度进程从数据库的任务进程列表中查找任务状态为待处理(任务状态为5)的任务，并根据其配置的病种或等级，加入其病种或等级对应的待处理任务队列task_queue中；

任务调度进程从数据库的任务进程列表中查找任务状态为处理中(任务状态为7)的任务，并将其加入运行任务队列running_queue中；

任务调度进程循环遍历运行任务队列running_queue中的任务；

判断运行任务队列running_queue中的任务状态是否为待处理(任务状态为5)；若是，则更新数据库，将其在任务进程列表中的任务状态置为处理中并添加开始时间；若否，则不更新数据库。

判断运行任务队列running_queue中的任务是否超预设时间阈值；若是，则判定此任务的进程处于异常的状态，获取此任务所在的进程pid并强制kill退出；

任务调度进程循环遍历已处理任务队列done_queue中的任务；

判断已处理任务队列done_queue中的任务状态是否为处理中(处理中状态7)；若是，则更新数据库，将其在任务进程列表中的任务状态置为已处理(处理成功状态10/处理失败状态-3)；若否，则不更新数据库。

需要说明的是，任务调度进程主要完成四件事情，任务调度进程会从任务进程列表中查找状态为待处理的任务记录，将根据其配置的病种或等级将所述待处理任务添加到待处理任务队列task_queue中，对于加入运行任务队列running_queue的待处理任务，将其在数据库任务进程列表中的任务状态置为处理中，如果运行任务队列running_queue中的任务超时，则判定此次任务的进程处于异常的状态需要强制退出，对于加入已处理任务队列done_queue的处理中任务，将其在数据库任务进程列表中的任务状态置为已处理(成功/失败)。在计算过程中数据有可能会重新传输，导致计算使用的数据和展示的数据不一致。为解决此问题，重新传输后状态会更新为待处理状态，所以已处理任务队列done_queue中的更新结果仅针对任务状态为处理中任务。

2、监控进程：

监控进程根据数据库中配置项的任务类型和紧急情况配置具体病种的任务进程顺序，创建任务进程列表；

判断任务调度进程是否已启动，若否，则启动任务调度进程，若是，则循环遍历任务进程列表，获取已经启动的任务进程数；

判断已启动的任务进程数是否小于最大进程数，若是则获取优先级最高的任务类型；

判断当前任务类型是否有待处理任务，若当前任务进程列表中有待处理任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息并启动具体的算法处理进程；

算法处理进程启动后，更新任务进程列表，调整非急诊任务类型在任务进程列表中的顺序。

需要说明的是，首先，监控进程会根据配置项中任务类型列表task_type_list和emergency紧急情况配置具体病种的任务进程顺序，生成任务进程列表。为了保证急诊进程能够优先处理，生成的任务进程列表中急诊任务会根据优先级排列在前面。

然后，循环遍历任务进程列表，检查最高优先等级的任务类型是否有待处理任务，如果当前任务类型有待处理的任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息，启动具体的算法处理进程；启动算法处理进程后，调整非急诊任务类型在任务进程列表中的顺序，将处理过的任务类型放到队列的尾部，从而保证各个病种的任务均衡处理。

最后，对于非急诊任务类型，算法处理进程启动后，调整非急诊任务类型顺序，即将处理过的任务类型对应的任务列表放到任务进程列表的队列尾部，从而保证各任务均衡处理。

3、算法处理进程：

算法处理进程从任务进程列表中获取待处理任务，并将此任务加入待处理任务队列task_queue中；

判断待处理任务是否获取成功，若是，则记录开始时间，若否，则休眠1-3秒后继续从任务进程列表中获取待处理任务；

将获取成功的待处理任务加入到运行任务队列running_queue中；

根据任务运行具体的诊断算法，并将结果返回；

将算法处理后的任务加入已处理任务队列done_queue中，任务调度进程判断已处理任务队列done_queue中的任务状态是否为处理中(处理中状态7)，若是，则更新数据库，将其在数任务进程列表中的任务状态由处理中更新为已处理，具体的，将处理中状态7更新为处理成功状态10或处理失败状态-3；若否，则将处理后的任务丢弃，不更新数据库。

执行算法处理进程的退出逻辑：

判断当前算法处理进程是否配置了绑定gpu(独占gpu)；

若是，则不退出且时刻处于等待任务的状态；若否，则循环遍历任务进程列表的待处理任务，获取当前类别的下一个任务的优先级；

若无更高优先级的任务等待处理则退出；若有更高优先级的任务等待处理：

若更高优先级任务的算法处理进程未启动且更高优先级任务数大于其已启动的算法进程数，则立即退出；

若更高优先级任务的算法处理进程已启动或更高优先级任务的算法处理进程未启动但更高优先级任务数小于等于其已启动的算法进程数，则继续判断已处理任务数是否达到配置的最大值；

若是，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出；若否，则继续判断当前任务队列为是否为空；

若是，则立即退出；若否，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出。

需要说明的是，算法处理进程在每次取任务时，都要判断算法处理进程的退出逻辑，具体的退出逻辑如下：首先判断当前算法处理进程是否配置了绑定gpu(独占cpu)，绑定了gpu的进程永远不退出且时刻处于等待任务的状态。对于没有绑定gpu的算法处理进程，循环遍历任务进程列表中待处理任务，检查当前类别的下一个任务是否有更高优先级的任务等待处理，如果无则退出，如果有则检查更高优先级任务的算法处理进程是否已启动，如未启动且更高优先级任务数大于其已启动的算法进程数则立即退出，如已启动或未启动但更高优先级任务数小于等于其已启动的算法进程数，则不退出。当已处理的任务数达到配置的最大值或当前任务队列为空，且有其他类型待处理任务且进程未启动，则立即退出。

此外，本申请可在linux机器上实现并运行成功，也可迁移至windows等平台。

请参考图3，图3为本申请实施例所提供的一种应用于ai医疗影像诊断算法调度系统的结构示意图，该系统300，包括：

任务调度单元301，配置用于获取医疗影像数据，并根据数据类型在数据库任务进程列表中创建不同的任务记录；

任务监控单元302，配置用于根据数据库中的任务类型、数量、优先级信息，确定任务处理顺序并启动任务对应的算法处理进程；

算法处理单元303，配置用于获取数据库任务进程列表中的任务，加载算法处理进程的模型参数进行任务处理。

基于上述实施例，作为优选的实施例，所述任务调度单元301具体用于包括：

获取pacs推送的医疗影像数据；

并根据数据类型在数据库任务进程列表中创建不同的任务记录；

从数据库的任务进程列表中查找任务状态为待处理的任务，将所述待处理任务根据其病种或等级，加入对应的待处理任务队列中；

将加入运行任务队列的任务状态置为处理中；

判断运行任务队列中的任务是否超时，是则强制退出；

将加入已处理任务队列中的任务状态置为已处理。

基于上述实施例，作为优选的实施例，所述任务监控单元302具体用于：

根据数据库配置项中的任务类型和紧急情况配置具体病种的任务进程顺序，创建任务进程列表；

循环遍历任务进程列表，获取已经启动的任务进程数；

判断已启动的任务进程数是否小于最大进程数，若是则获取优先级最高的任务类型；

判断当前任务类型是否有待处理任务，若当前任务进程列表中有待处理任务或当前任务类型的算法处理进程绑定了gpu，则判断活动进程数是否小于最大进程数，若是，则获取有效的gpu信息并启动具体的算法处理进程。

基于上述实施例，作为优选的实施例，所述任务监控单元302还具体用于：

算法处理进程启动后，更新任务进程列表，调整非急诊任务类型在任务进程列表中的顺序。

基于上述实施例，作为优选的实施例，所述算法处理单元303具体用于：

获取任务进程列表中的待处理任务；

将所述待处理任务加入到运行任务队列中；

根据待处理任务的类型运行具体的诊断算法；

将算法处理后的任务加入已处理任务队列中。

基于上述实施例，作为优选的实施例，所述算法处理单元303还具体用于：

判断当前算法处理进程是否配置了绑定gpu；

若是，则不退出且时刻处于等待任务的状态；若否，则循环遍历任务进程列表的待处理任务，获取当前类别的下一个任务的优先级；

若无更高优先级的任务等待处理则退出；若有更高优先级的任务等待处理：

若更高优先级任务的算法处理进程未启动且更高优先级任务数大于其已启动的算法进程数，则立即退出；

若更高优先级任务的算法处理进程已启动或更高优先级任务的算法处理进程未启动但更高优先级任务数小于等于其已启动的算法进程数，则继续判断已处理任务数是否达到配置的最大值；

若是，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出；若否，则继续判断当前任务队列为是否为空；

若是，则立即退出；若否，则判断其他类型任务是否有待处理任务且进程未启动，是则立即退出。

图4为本发明实施例提供的一种终端系统400的结构示意图，该终端系统400可以用于执行本发明实施例提供的应用于ai医疗影像诊断算法调度。

其中，该终端系统400可以包括：处理器410、存储器420及通信单元440。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

其中，该存储器420可以用于存储处理器410的执行指令，存储器420可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。当存储器420中的执行指令由处理器410执行时，使得终端400能够执行以下上述方法实施例中的部分或全部步骤。

处理器410为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(integratedcircuit，简称ic)组成，例如可以由单颗封装的ic所组成，也可以由连接多颗相同功能或不同功能的封装ic而组成。举例来说，处理器410可以仅包括中央处理器(centralprocessingunit，简称cpu)。在本发明实施方式中，cpu可以是单运算核心，也可以包括多运算核心。

通信单元440，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。

本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read-onlymemory，简称：rom)或随机存储记忆体(英文：randomaccessmemory，简称：ram)等。

因此，本申请能够在有限的gpu、内存等硬件资源的情况下，快速的处理来自各种设备源的医学影像数据，且能够根据任务的优先级进行处理，防止任务堆积，提高了医疗影像的诊断效率，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。

本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中如u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端(可以是个人计算机，服务器，或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。

本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。